基于神经网络的滚动轴承故障包络信号的自动识别方法

介绍了一种基于神经网络的滚动轴承故障包络信号的自动识别方法。将从包络信号的时域和频域信息中提取的反映滚动轴承故障的特征信息作为BP神经网络的输入,用BP算法对该网络进行训练。利用BP神经网络的智能性来实现滚动轴承故障的智能诊断。     

旋转圆盘表面油膜流动特性分析

为探究轴承旋转运动件表面油膜的流动和迁移特性,针对其拓扑结构——旋转圆盘,采用VOF方法描述圆盘表面油膜与空气界面的动态变化,结合流体动力学理论,建立了旋转圆盘表面油膜流动分析的计算模型,通过数值计算,分析和探讨了运行工况和润滑油粘度对圆盘表面油膜流动速度和厚度分布的影响。计算结果表明:润滑油膜呈近似圆盘状向圆盘边缘运动和迁移,离开圆盘边缘后分裂成油矢和油滴;油膜的厚度沿圆盘径向逐渐变薄;并随着供油量和润滑油粘度的增加而增大,随着圆盘转速的增高而减小;油膜的切向速度随着圆盘转速的增高而增大,但受供油量和润滑油粘度的影响较小;油膜的径向速度随着圆盘转速和供油量的增加而增大,随着润滑油粘度的增大而减小。与相关试验结果的对比表明,建立的数值分析方法具有较好的可靠性和普适性。     

基于机匣信号的滚动轴承故障卷积神经网络诊断方法

针对在滚动轴承故障激励下的机匣微弱故障特征,提出了基于卷积神经网络(CNN)的故障诊断方法。利用矩阵图法、峭度图法以及小波尺度谱法3种振动信号的预处理方法,将一维原始信号转换为图像信号;利用卷积神经网络对故障进行识别。通过比较分析发现:通过连续小波尺度谱更易提取滚动轴承的故障特征,其故障识别率达到95.82%,均高于其他几种振动信号预处理方法;由于卷积神经网络可以利用深层网络结构自适应地提取滚动轴承故障特征,比传统支持向量机(SVM)方法的故障识别率高约7%。结果证明了该方法的有效性与可行性,且具有较好的泛化能力和稳健性。      

具有外圈单一点蚀故障的滚动轴承动力学建模及仿真

为揭示滚动轴承外圈单一点蚀故障机理,基于Hertz接触理论和接触变形量渐变释放的客观事实,考虑了滚动体通过外圈点蚀故障时外圈自身变形量的影响,在给出滚动体进入和离开故障区时变形量的释放变化规律和计算方法基础上,建立了外圈含单一点蚀故障缺陷的滚动轴承动力学模型。通过数值仿真和实验验证,证明了本文模型的正确性,为滚动轴承外圈故障诊断提供了理论依据。     

基于谐波小波包和SVM的滚动轴承故障诊断方法

针对滚动轴承故障诊断问题开展研究,设计了基于谐波小波包和支持向量机（SVM）的新型诊断方法.与传统的时频特征提取方法相比,谐波小波包具有盒状频谱和无限细分的优势.首先对滚动轴承的振动数据进行谐波小波包分解,利用各频段的小波分解系数计算特征能量,归一化之后作为特征向量,为设计的多类SVM模型提供训练样本和测试样本.利用SVM的非线性映射能力,将三个二分类器相组合设计了基于二叉树的多类SVM模型,实现了对滚动轴承的故障诊断.最后,利用Case Western Reserve University电气工程实验室的滚动轴承试验台的振动数据对设计的诊断方法进行了验证.结果表明,设计的诊断方法比传统的方法具有更高的准确率.     

基于CEEMDAN降噪与双谱分析的滚动轴承故障诊断

滚动轴承早期故障信号中的噪声成分会影响到故障特征的提取。为了提高含噪故障信号中滚动轴承早期故障特征提 取的准确性，将基于自适应噪声的完备经验模态分解（CEEMDAN）用于滚动轴承振动信号的降噪中，并对降噪后的轴承故障信号 进行双谱分析。结果表明：CEEMDAN可有效去除轴承振动信号中的低频噪声干扰，经CEEMDAN降噪后的不同轴承故障信号的 双谱全局图存在明显差异，根据这些差异可在宏观上对不同轴承故障加以区分；通过经CEEMDAN降噪后的不同轴承故障信号的 双谱细节图可以正确提取不同轴承故障的特征频率，从而实现对各轴承故障的有效诊断。CEEMDAN降噪结合双谱分析可为滚 动轴承故障诊断提供一种新的有效方法。     

高速滚动轴承-转子系统的摩擦阻尼减振

为了抑制高速滚动轴承-转子系统在通过临界转速时的过大振动,本文采用了摩擦阻尼弹性支承结构.分析了该支承的减振机理和支承特性,设计了摩擦阻尼器,研究了其对转子系统不平衡响应的影响.结果表明,采用适当的机械结构,阻尼器的刚度因子和摩阻因子只与内环的锥角和接触面摩擦因数有关.通过改变这两个参数和外壳轴向刚度,可改变其刚度和阻尼特性.在转子系统支承中引入摩擦阻尼器能够降低支承刚度,从而降低系统的临界转速,避开工作转速.此外,还可增大支承阻尼,抑制临界振幅,减小系统的振动外传力.     

用2032信号分析系统诊断滚动轴承损伤类故障

本文从理论上提出了用共振解调法诊断滚动轴承损伤类故障时所得包络信号及其频谱图的基本特征,并用2032信号分析系统对滚动轴承实施了共振解调诊断,验证了理论分析的正确性.     

滚动轴承故障诊断的频谱分析技巧

本文主要介绍旋转机械中滚动轴承故障诊断的实用技巧,采用振动分析方法,通过监测滚动轴承的振动状态,采集振动信号波形进行频谱分析,从而合理安排关键设备的预防维修计划,避免因突发性设备故障所造成的经济损失,确保生产的顺利进行。